导读:本文包含了多样性度量论文开题报告文献综述及选题提纲参考文献，主要关键词:集成学习,过程多样性,联合增益,K-means
多样性度量论文文献综述
周钢,郭福亮[1]（2019）在《基于信息熵的集成学习过程多样性度量研究》一文中研究指出基分类器的多样性是提升集成学习的精度和泛化能力的重要因素,大数据环境下的传统后验证多样性度量方法计算效率较低,提出一种基于信息熵的过程多样性度量方法。通过使用分类器各属性的增益及其所在树层次得到属性集的联合增益,并计算分类器间的熵距离评估其多样性,利用熵距离按照K-means方法即可动态购置集成学习分类器。在西瓜数据集和典型分类数据集上进行比较研究,发现与传统集成学习方法相比,该方法具有相近的准确性和更高的计算效率。(本文来源于《计算机工程与科学》期刊2019年09期）
朱一文[2]（2019）在《从度量衡单位看初唐算法文化的多样性》一文中研究指出度量衡单位与数学实作之间的关系是学术界研究的热点。从贾公彦、孔颖达等以及甄鸾、李淳风等对于《仪礼》"朝一溢米,夕一溢米"的注疏看,诸家在计算过程中对于度量衡单位的运用不尽相同:在贾注、孔注中度量衡单位实际参与并决定了计算的过程;在甄注、李注中度量衡单位则只是用来做数量转换。这些差异可以从初唐算法文化多样性的角度获得理解:甄注、李注实际反映了算学家利用算家传统重建数学与儒学关系的努力;贾注、孔注则反映出儒学家在儒经中发展起来的算法传统,而贾、孔之间的差异表明了儒学家内部的细微分野。因此儒学经典中的数学文献具有独特的研究价值,数学史研究应拓展其史料范围。(本文来源于《中国科技史杂志》期刊2019年01期）
杜巍,高长元,翟丽丽[3]（2018）在《基于新鲜度度量的多样性推荐模型研究》一文中研究指出[目的/意义]针对现有推荐研究大多以提高预测结果准确性为主要目标,忽略了推荐结果多样性对用户满意度的影响,导致推荐质量下降、用户体验不足的问题,文章提出一种融入新鲜度度量的多样性推荐模型。[方法/过程]在该模型中,以预测算法为基础,在项目推荐阶段,首先根据项目预测值与项目流行度两个标准对项目重新排序,然后通过在候选推荐项目集合中增加新鲜度参数来调节长尾项目所占比例,进而生成最终的推荐列表。[结果/结论]通过Movielens-100K数据集对该模型中的算法与其他两种算法进行比较,实验结果表明:所建模型在保证推荐准确率的基础上推荐出用户潜在感兴趣的长尾冷门项目,有效地提高了推荐结果的多样性。(本文来源于《情报理论与实践》期刊2018年08期）
李劲,岳昆,蔡娇,张志坚,刘惟一[4]（2018）在《基于距离度量的多样性图排序方法》一文中研究指出有效结合查询相关性和多样性的扩展相关性,是多样性图排序问题的一种优化目标.基于扩展相关性的多样性图排序可建模为一个子模函数优化问题,贪心子模优化算法可近似求解该问题.然而,扩展相关性不能直接度量节点间的不相似性.子模优化算法是串行算法,不能充分利用诸如Spark等集群计算平台有效提高算法效率.针对这些问题,提出一种描述节点间不相似性的距离度量.基于该距离度量,将多样性图排序问题建模为一个在查询相关节点集上构造的带权完全图的最大和k-dispersion优化问题.提出了求解该问题的多项式时间2-近似算法.鉴于不同节点对的距离度量计算是相互独立的,进一步提出了基于MapReduce编程模型的并行化多样性图排序算法.最后,在真实图数据集上验证了所提出算法的高效性和有效性.(本文来源于《软件学报》期刊2018年03期）
王章辉,赵宇海,王国仁,李源[5]（2017）在《多样性度量的Top-K区分子图挖掘》一文中研究指出区分子图可以用来描述复杂的图数据结构和构建高效的图分类模型。提出了多样性度量的Top-K区分子图挖掘问题,避免了挖掘结果之间出现高度相关的子图模式,提高了区分子图模式的可用性。通过组合图结构相似性与支持集相似性约束,给出图模式的多样性度量标准。提出两个高效算法Greedy-TopK和LeapTopK挖掘多样性度量的Top-K区分子图。Greedy-TopK算法采用两阶段的增量式贪婪方法快速挖掘K个区分子图模式。Leap-TopK算法通过在挖掘过程中限制扩展结构相似的图模式,实现了跳跃搜索子图模式空间。实验结果表明,Leap-TopK算法的效率明显优于Greedy-TopK算法;在可用性方面,利用Leap-TopK算法与Greedy-TopK算法挖掘结果构建的图分类器具有相似的分类精度,且都优于传统区分子图挖掘算法产生的结果。(本文来源于《计算机科学与探索》期刊2017年09期）
谢堂晖,赵会宏,杨慧荣,刘丽,韩兴鹏[6]（2015）在《珠江流域黄颡鱼群体的形态度量学与遗传多样性分析》一文中研究指出为了解珠江流域黄颡鱼不同群体的遗传分化,以黄颡鱼为材料,通过形态度量学和分子生物学的方法对其进行研究。形态度量学的主成分分析(PCA)的散点图显示都柳江群体与漓江群体聚集于一处,东江群体与都柳江、漓江群体分开,表明东江群体与其它两个群体形态上有分化,漓江群体与都柳江群体形态间分化较小。D-loop序列分析最终检测到176个变异位点,单倍型36个,3个群体的平均碱基组成差异很小,且A+T含量(59.6%)高于G+C含量(40.4%),3个群体平均Nm=3.234,表明群体间存在较大基因流,单倍型NJ树显示漓江群体与都柳江群体聚为一支,东江群体聚为一支。3个群体21个微卫星标记位点的分析结果显示:3个群体有15个位点属于高度多态位点(PIC>0.5),3个群体基于Nei's遗传距离构建的UAPGM聚类结果与mt DNA D-loop聚类结果一致,与地理分布呈一定相关性。综合形态度量学与分子生物学标记结果可以看出,黄颡鱼3个群体存在一定形态差异,3个黄颡鱼野生群体遗传多样性水平较高。(本文来源于《中山大学学报(自然科学版)》期刊2015年04期）
肖光恩,金圣华[7]（2014）在《中国出口贸易多样性的度量及政策建议》一文中研究指出首先对出口贸易多样性的度量方法进行了梳理和评述,同时利用BACI在1996~2010年间的贸易细分数据,从出口产品多样性和出口地区多样性的角度度量了中国出口贸易多样性及其变化趋势。实证测度结果表明:虽然中国出口产品种类有略微减少的趋势,但中国出口产品多样性水平却在不断提高;中国出口贸易伙伴的数量仍然在增加,但中国出口地区多样性在2000年以后呈现"U型"的变化趋势,且自2008年开始中国出口地区依赖的风险在上升。因此,进一步提升中国出口产品多样性和中国出口地区多样性,是未来中国深化对外经济开放的一个重要政策取向。(本文来源于《郑州航空工业管理学院学报》期刊2014年06期）
孙博,王建东,陈海燕,王寅同[8]（2014）在《集成学习中的多样性度量》一文中研究指出在集成学习中,基分类器之间的多样性对于解释多分类器系统的工作机理和构造有效的集成系统具有重要的作用,但至今仍没有统一的度量多样性的方法.首先总结介绍常用的多样性度量方法,阐述每种方法评估多样性的角度和方式;然后从对多样性新的解释和度量、多样性度量在选择性集成中的应用、多样性度量和集成学习精度的关系3个方面探讨多样性度量的研究进展;最后给出关于多样性度量进一步的研究方向.(本文来源于《控制与决策》期刊2014年03期）
单兵,倪世宏,查翔[9]（2013）在《基于适应度方差度量种群多样性的GEP算法》一文中研究指出为了保持进化过程中种群的多样性,提高算法的收敛速度,保护进化过程中的较优个体,对标准基因表达式编程(GEP)算法进行了改进,提出了一种基于适应度方差度量种群多样性的GEP算法(GEP based on population diversity measure by variance of individuals’fitness,DM-GEP)。该算法以个体适应度方差来度量种群多样性,设计了自适应变异算子,使得变异率随着种群多样性情况而变化,且同时兼顾了种群的稳定性以及进化过程中较优个体的保护。仿真结果表明,DM_GEP提高了收敛速度和精确度。(本文来源于《计算机工程与设计》期刊2013年09期）
刘根林[10]（2012）在《转基因大豆对根际土壤微生物群落的影响及其多样性指数的度量》一文中研究指出土壤微生物群落在陆地生态系统中起着非常重要的作用。环境内任何因子的细微变化都会造成土壤微生物群落在结构、遗传及功能多样性上发生改变。土壤微生物群落的相关研究,具有极大的潜在意义。本研究从转基因生物的生态安全这一热点问题出发,综合运用多种方法,探讨了根际箱内转基因大豆种植对土壤微生物群落的影响。转基因大豆的根际分泌物、落叶及植株残留部分进入土壤后,会影响土壤质量。受到影响的土壤质量指标有含水量、pH值、碳／氮含量、金属元素含量、酶活性、微生物功能多样性、微生物结构多样性和遗传多样性等等。本实验于2010年选取以南农88-1(CK-1)为受体的OE-8、OE-7、RNAi-3叁个转基因品系(受体品种A组)和以N2899(CK-2)为受体的Gagal17-4、Gagal21-8、Gagal57叁个转基因品系(受体品种B组)为材料,在根际箱内种植之后,考察相比于受体,其土壤理化性质、酶活性的变化,并运用PLFA测定法和Biolog检测法考察根际箱内种植的转基因大豆对其根际土壤微生物群落结构多样性和功能多样性的影响。主要研究结果如下：1)转基因大豆与其受体根际土壤的含水量,会因为受体的基因型不同、生长时期不同、同一基因型的不同转基因品系不同而发生显着差异。2)转基因大豆品系Gagal17-4和Gagal57生长过程中,显酸性的根系分泌物对根际土壤产生的酸碱度累积效应显着大于品系Gagal21-8和受体品种A组。3)两组不同受体的转基因大豆花期根际土壤中碳、氮元素的含量与其受体相比,不存在显着差异；A组转基因大豆品系到花期时,根系对根际土壤中硫元素的吸收较其受体更好,导致根际土壤中硫元素含量降低。B组转基因品系与其受体相比,到花期时品系Gagal57的根际土壤中硫元素含量显着升高。这说明,转基因大豆品系对根际土壤中硫元素的吸收,可能会因生长期不同、基因型不同、吸收方式或代谢途径不同而发生显着差异；品系RNAi-3的根系对环境中钙元素的吸收能力较强,品系Gagal57和Gagal21-8的根系对环境中钡、钻、铁、钒和锌元素的吸收能力较弱。4)在大豆生长旺盛的花期,与受体相比,两组的酸性磷酸酶活性、碱性磷酸酶活性均没有显着差异；转基因大豆品系对其根际土壤蔗糖转化酶活性的影响不显着,FDA水解酶活性没有显着差异；脲酶活性测定显示,B组转基因大豆品系根际土壤中以尿素形式存在的氮或其他氨态氮占土壤总氮量的比例显着高于其受体,A组根际土壤中这一类型的氮所占比例要比B组普遍高；芳基硫酸酯酶活性测定显示,在生长到达花期前,A组转基因大豆品系根际土壤中以无机形态存在的硫元素比重显着高于其受体,且这类硫元素很多已由转基因大豆根系较好地吸收,导致到花期时,转基因大豆根际土壤中有待芳基硫酸酯酶矿化的有机硫比重下降。这说明,A组中3个富含S氨基酸的转基因大豆品系主要在花期前进行着活跃的富积硫元素的生理活动。5)对于革兰氏阳性菌特征PLFA含量、细菌总PLFA含量和土样总PLFA含量,A组品系OE-8较受体显着提高,B组品系Gagal17-4和Gagal57较受体有极显着的提高；对单个PLFA含量进行主成分分析显示,花期转基因大豆品系根际土壤总体微生物群落结构发生了改变,与其受体相比,土壤微生物群落变化较大的品系有OE-7,RNAi-3,Gagal17-4和Gagal57。6)利用Biolog板分析土壤可培养微生物对不同单一碳底物利用的功能多样性结果显示,在Biolog(-GN,-GP,-FF和-ECO)微平板上,A组的RNAi-3品系根际土壤微生物群落活性显着低于,甚至极显着低于其受体。且在4种微平板上,采用的多样性指数也表明,品系RNAi-3根际土壤微生物群落的丰富度、多样性和均度都显着低于,甚至极显着低于其受体,品系OE-7根际土壤微生物群落的丰富度和均度显着低于其受体；在微平板上,采用的多样性指数也表明,B组品系Gagal57和Gagal17-4根际土壤微生物群落的丰富度、多样性和均度都显着低于其受体。为了描述转基因大豆品系根际土壤微生物群落的多样性,本文还对2009年相同转基因大豆品系及其受体材料于大田种植后的土壤指标实验数据进行多样性指数的处理与分析,以考察每个多样性指数在描述土壤指标,包括微生物群落结构、遗传及功能多样性方面的各自优势和缺陷,最后确定各个土壤指标的可用度量指数。结果如下：1)在PLFA水平上,Gini指数和Mclntosh旨数可分别用于A组和B组根际土壤微生物群落多样性的分析。在A组,可用Gini指数、Shannon旨数、Simpson指数和Simpson指数1-D表示指数间的相关,用Simpson指数和Simpson旨数1-D、1/D表示指数与土壤理化因子(pH值、C/N和硫含量)间的相关；在B组,可用Simpson指数和Simpson指数1-D、1/D表示指数间的相关性,用McIntosh均匀度指数表示指数与土壤理化因子间的相关。2)在Biolog-GN水平上,McIntosh旨数和Shannon均匀度指数可分别用于A组和B组根际土壤微生物群落多样性的分析。在A组,Shannon旨数可用来表示指数间的相关,Gini指数较能表示指数与土壤理化因子间的相关；在B组,Shannon指数、McIntosh均匀度指数可用来表示指数间的相关,Shannon均匀度指数、Simpsonl-D、McIntosh均匀度指数较能表示指数与土壤理化因子间的相关。3)在Biolog-GP水平上,所有指数都可用来度量两组根际土壤微生物群落的多样性。在A组,Gini指数、Shannon指数、Shannon均匀度指数可用来表示指数间的相关,Gini指数、Shannon旨数、McIntosh均匀度指数较能表示指数与土壤理化因子间的相关；在B组,Shannon指数可用来表示指数间的相关性,Simpson指数和Simpson旨数1-D、McIntosh旨数较能表示指数与土壤理化因子间的相关。4)在Biolog-FF水平上,Shannon指数和McIntosh指数可分别用于A组和B根际土壤微生物群落多样性的分析。在A组,Simpson指数、McIntosh旨数、McIntosh均匀度指数可用来表示指数间的相关,所有指数都可表示指数与土壤理化因子间的相关；在B组,Gini指数可用来表示指数间的相关,Shannon指数及均匀度指数、Simpson旨数1/D较能表示指数与土壤理化因子间的相关。5)在Biolog-ECO水平上,Shannon旨数可分别用于A组根际土壤微生物群落多样性的分析,所有指数都可用来度量B组根际土壤微生物群落多样性。在A组,Shannon旨数及均匀度指数、McIntosh指数可用来表示指数间的相关,Simpson指数和Simpson指数1-D、McIntosh均匀度指数较能表示指数与土壤理化因子间的相关；在B组,Gini指数、Shannon指数及均匀度指数、McIntosh指数及均匀度指数可用来表示指数间的相关性,Shannon指数、McIntosh指数较能表示指数与土壤理化因子间的相关。6)在PCR-DGGE水平上,McIntosh均匀度指数可分别用于A组和B根际土壤微生物群落多样性的分析。在A组,Gini指数与Shannon指数、Shannon均匀度指数、Simpson指数与指数1/D可用来表示指数间的相关性,Shannon均匀度指数较能表示指数与土壤理化因子间的相关；在B组,Simpson指数与指数1-D可用来表示指数间的相关性,Gini指数与Shannon指数、McIntosh指数及均匀度指数较能表示指数与土壤理化因子间的相关。7)比较同一指数在Biolog, DGGE, PLFA叁种不同方法中的异同,除了Biolog GP板、GN板,只有Shannon指数在A组各个不同处理和方法中有显着差异；除了Biolog GP板、ECO板,只有McIntosh指数在B组各个不同处理和方法中有显着差异。本研究从不同角度评价了转基因品质改良大豆对土壤系统的影响。作为土壤微生态学研究内容,其结果对进一步研究转基因安全评价具有一定的积极意义。(本文来源于《南京大学》期刊2012-05-01）
多样性度量论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
度量衡单位与数学实作之间的关系是学术界研究的热点。从贾公彦、孔颖达等以及甄鸾、李淳风等对于《仪礼》"朝一溢米,夕一溢米"的注疏看,诸家在计算过程中对于度量衡单位的运用不尽相同:在贾注、孔注中度量衡单位实际参与并决定了计算的过程;在甄注、李注中度量衡单位则只是用来做数量转换。这些差异可以从初唐算法文化多样性的角度获得理解:甄注、李注实际反映了算学家利用算家传统重建数学与儒学关系的努力;贾注、孔注则反映出儒学家在儒经中发展起来的算法传统,而贾、孔之间的差异表明了儒学家内部的细微分野。因此儒学经典中的数学文献具有独特的研究价值,数学史研究应拓展其史料范围。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多样性度量论文参考文献
[1].周钢,郭福亮.基于信息熵的集成学习过程多样性度量研究[J].计算机工程与科学.2019
[2].朱一文.从度量衡单位看初唐算法文化的多样性[J].中国科技史杂志.2019
[3].杜巍,高长元,翟丽丽.基于新鲜度度量的多样性推荐模型研究[J].情报理论与实践.2018
[4].李劲,岳昆,蔡娇,张志坚,刘惟一.基于距离度量的多样性图排序方法[J].软件学报.2018
[5].王章辉,赵宇海,王国仁,李源.多样性度量的Top-K区分子图挖掘[J].计算机科学与探索.2017
[6].谢堂晖,赵会宏,杨慧荣,刘丽,韩兴鹏.珠江流域黄颡鱼群体的形态度量学与遗传多样性分析[J].中山大学学报(自然科学版).2015
[7].肖光恩,金圣华.中国出口贸易多样性的度量及政策建议[J].郑州航空工业管理学院学报.2014
[8].孙博,王建东,陈海燕,王寅同.集成学习中的多样性度量[J].控制与决策.2014
[9].单兵,倪世宏,查翔.基于适应度方差度量种群多样性的GEP算法[J].计算机工程与设计.2013
[10].刘根林.转基因大豆对根际土壤微生物群落的影响及其多样性指数的度量[D].南京大学.2012